azon organizmusok esetében, amelyek genomja ismert, most megpróbálhatjuk kizárni azokat a géneket az azonosított régióban, amelyek funkciója bizonyos bizonyossággal ismert, hogy nem kapcsolódik a kérdéses tulajdonsághoz. Ha a genom nem áll rendelkezésre, lehetőség lehet az azonosított régió szekvenálására és a gének feltételezett funkcióinak meghatározására az ismert funkciójú génekhez való hasonlóságuk alapján, általában más genomokban. Ezt meg lehet tenni a BLAST, egy online eszköz, amely lehetővé teszi a felhasználók számára, hogy belépjenek egy elsődleges szekvenciába, és hasonló szekvenciákat keressenek a különböző organizmusok génjeinek BLAST adatbázisában. Gyakran nem a fenotípusos tulajdonság alapjául szolgáló tényleges gén, hanem a DNS egy olyan régiója, amely szorosan kapcsolódik a génhez
a QTL leképezést használó statisztikai genetikusok másik érdeke a fenotípusos tulajdonság alapjául szolgáló genetikai architektúra összetettségének meghatározása. Például érdekelheti őket, hogy egy fenotípust sok független lókusz vagy néhány lókusz alakít-e ki, és kölcsönhatásba lépnek-e ezek a lókuszok. Ez információt nyújthat arról, hogy a fenotípus hogyan fejlődhet.
egy nemrégiben végzett fejlesztés során a klasszikus QTL-elemzéseket kombináltuk génexpressziós profilozással, azaz DNS mikroarray-kkel. Az ilyen expressziós QTL – ek (eqtl-ek) cisz-és transzkontroll elemeket írnak le a gyakran betegséggel összefüggő gének expressziójához. A megfigyelt episztatikus hatások hasznosnak bizonyultak a felelős gén azonosításában a kölcsönhatásban lévő lókuszokon belüli gének keresztvalidálásával a metabolikus útvonal és a tudományos szakirodalom adatbázisaiban.
Varianciaanalízisszerkeszt
a QTL leképezés legegyszerűbb módszere a varianciaanalízis (ANOVA, néha “marker regressziónak” nevezik) a marker lókuszokon. Ebben a módszerben egy keresztben kiszámítható a t-statisztika a két marker genotípus-csoport átlagainak összehasonlításához. Más típusú keresztezések (például a keresztezés), ahol kettőnél több lehetséges genotípus létezik, az egyik az ANOVA általánosabb formáját használja, amely úgynevezett F-statisztikát biztosít. A QTL leképezés ANOVA megközelítésének három fontos gyengesége van. Először is, nem kapunk külön becsléseket a QTL helyéről és a QTL hatásáról. A QTL helyét csak annak vizsgálata jelzi, hogy mely markerek adják a legnagyobb különbséget a genotípus-csoport átlagai között, és a marker és a QTL közötti rekombináció eredményeként a látszólagos QTL-hatás kisebb lesz, mint a valódi QTL-hatás. Másodszor, el kell dobnunk azokat az egyéneket, akiknek genotípusa hiányzik a markernél. Harmadszor, ha a markerek széles távolságra vannak egymástól, a QTL elég messze lehet az összes markertől, így a QTL észlelésének teljesítménye csökken.
Interval mappingEdit
Lander és Botstein kifejlesztették az interval mapping-et, amely leküzdi a varianciaanalízis három hátrányát a marker lókuszoknál. Az intervallum leképezés jelenleg a QTL leképezés legnépszerűbb megközelítése kísérleti keresztekben. A módszer a tipizált markerek genetikai térképét használja, és a varianciaanalízishez hasonlóan egyetlen QTL jelenlétét feltételezi. Az intervallum leképezésben minden lókuszt egyenként veszünk figyelembe, és az esélyhányados (lod pontszám) logaritmusát arra a modellre számítjuk, hogy az adott lókusz valódi QTL. Az esélyhányados a kísérleti kereszt minden egyes egyedének fenotípusa és marker genotípusa közötti Pearson-korrelációs együtthatóval függ össze.
az ‘intervallum leképezés’ kifejezést a QTL helyzetének becslésére használják két jelölőn belül (gyakran ‘marker-bracket’ – ként jelölve). Az intervallum leképezés eredetileg a maximális valószínűségen alapul, de nagyon jó közelítések is lehetségesek egyszerű regresszióval.
a QTL leképezés elve a következő: 1) A valószínűség kiszámítható egy adott paraméterkészletre (különösen a QTL-effektusra és a QTL-pozícióra), figyelembe véve a fenotípusokra és a marker genotípusokra vonatkozó megfigyelt adatokat.2) a paraméterek becslései azok, ahol a valószínűsége a legnagyobb.3) a szignifikancia küszöböt permutációs teszteléssel lehet megállapítani.
a kvantitatív tulajdonságlókuszok (QTL-ek) kimutatásának hagyományos módszerei egyetlen QTL-modell összehasonlításán alapulnak egy olyan modellel, amely nem feltételezi a QTL-t. Például az “intervallum leképezés” módszerben egyetlen feltételezett QTL valószínűségét értékelik a genom minden helyén. A genomban másutt található QTL-ek azonban zavaró hatással lehetnek. Ennek következtében a detektálás ereje veszélybe kerülhet, és a qtls helyeinek és hatásainak becslése elfogult lehet (Lander and Botstein 1989; Knapp 1991). Még a nem létező úgynevezett” szellem ” QTL-ek is megjelenhetnek (Haley and Knott 1992; Martinez and Curnow 1992). Ezért több QTL-t hatékonyabban és pontosabban lehet leképezni több QTL modell használatával. Az egyik népszerű megközelítés a QTL leképezés kezelésére, ahol több QTL hozzájárul egy tulajdonsághoz, a genom iteratív beolvasása és az ismert QTL hozzáadása a regressziós modellhez, mivel a QTL-eket azonosítják. Ez az összetett intervallum-leképezésnek nevezett módszer pontosabban határozza meg mind a QTL helyét, mind a hatások méretét, mint az egyszeri QTL megközelítések, különösen kis térképezési populációkban, ahol a genotípusok közötti korreláció hatása a térképezési populációban problematikus lehet.
Composite interval mapping (CIM)Szerkesztés
ebben a módszerben az intervallum leképezést a marker lókuszok részhalmazának kovariánsként történő felhasználásával végezzük. Ezek a markerek proxyként szolgálnak más QTL-ekhez, hogy növeljék az intervallum leképezés felbontását, figyelembe véve a kapcsolt QTL-eket és csökkentve a maradék variációt. A CIM legfontosabb problémája a kovariánsként szolgáló megfelelő marker lókuszok megválasztására vonatkozik; miután ezeket kiválasztották, a CIM a modellválasztási problémát egydimenziós letapogatássá változtatja. A marker kovariánsok kiválasztása azonban nem oldódott meg. Nem meglepő, hogy a megfelelő markerek azok, amelyek a legközelebb állnak az igazi QTL-ekhez, tehát ha ezeket megtalálnánk, a QTL leképezési probléma egyébként is teljes lenne.
család-törzskönyv alapú mappingEdit
család-alapú QTL mapping, vagy család-törzskönyv alapú mapping (Linkage and association mapping), magában foglalja a több család helyett egy család. A családi alapú QTL leképezés volt az egyetlen módja azoknak a géneknek a leképezésére, ahol a kísérleti keresztezéseket nehéz elvégezni. Bizonyos előnyök miatt azonban most a növénygenetikusok megpróbálják beépíteni az emberi genetikában úttörő módszerek egy részét. A család-törzskönyv alapú megközelítést tárgyalták (Bink et al. 2008). A családi kapcsolat és társulás sikeresen megvalósult (Rosyara et al. 2009)